Earticle

초록

한국어

물리기반 도시침수 해석 모형은 복잡한 지형과 배수시설 내 수리학적 거동을 정밀하게 재현하여 높은 예측 정확도를 제공하 지만, 고해상도 모의 시 막대한 계산 자원과 연산 시간이 요구되어 실시간 예·경보 및 재해 대응과 같은 의사결정 지원에는 한계 가 있다. 이에 따라 최근에는 계산 효율성을 확보하면서도 물리모형 수준의 정확도를 유지할 수 있는 딥러닝 기반 대리모형 (Emulator) 개발이 활발히 이루어지고 있다. 그러나 딥러닝 모형의 성능은 훈련 데이터의 통계적 특성과 공간 해상도에 민감하 게 반응하며, 이러한 데이터 특성이 예측 정확도에 미치는 영향에 대한 체계적인 분석은 여전히 부족하다. 본 연구에서는 Gated Convolutional Neural Network (Gated CNN) 기반의 도시침수 예측 모형을 구축하고, 훈련 데이터의 특성이 최대 침수심 예측 성능에 미치는 영향을 정량적으로 분석하였다. 이를 위해 서울시 신림 4 배수분구를 연구 대상으로 선정하고, HC-SURF (Hyper Connected Solution for Urban Flood) 모형을 활용하여 다양한 강우 시나리오에 대한 5 m 및 10 m 공간 해상도의 침수 해석 자료를 구축하였다. 각 데이터 세트를 Gated CNN 모형의 학습에 적용하고, 공간 해상도와 침수 통계(침수 빈도, 침수심 분포 등) 가 예측 정확도와 오차 특성에 미치는 민감도를 평가하였다. 연구 결과는 학습 데이터의 구성과 통계적 특성이 딥러닝 기반 도시침수 예측의 성능에 결정적인 영향을 미친다는 점을 보여주며, 향후 실시간 도시침수 예측 시스템의 신뢰성 향상과 효율적 데이터 구축 전략 수립을 위한 기초자료로 활용될 수 있다.

목차

요 약
1. 서 론
2. 방법론
3. 결 론
감사의 글
참고문헌

저자

• 노성진 [ Noh, Seong Jin | 정회원ㆍ국립금오공과대학교 부교수 ]

참고문헌